Efectos de la Infraestructura Básica en los Resultados de la

REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 11(4), 93-107.
Efectos de la Infraestructura Básica en los Resultados de
la Prueba ENLACE de la Educación Media Superior
Tecnológica Mexicana
Effects of Basic Infrastructure on ENLACE Test of High School
Technology Mexican
Tomas J. Martínez-Cervantes*
Erica A. Soto-Mendivil
Patricia A. Silva-Salazar
Francisco J. Velasco-Arellanes
Universidad Autónoma de Nuevo León, México
Bajo la teoría de capital humano, la educación se concibe como auspiciadora de
capital humano y económico. La inversión en capital humano puede reflejarse a
mediano plazo en el logro académico de los estudiantes. El logro académico es un
indicador de la eficacia de las políticas educativas, sin embargo, en Latino América
hay pocos estudios que analicen los efectos que tienen los insumos o el gasto de
inversión en el desempeño de los estudiantes. En el presente estudio se analizó una
muestra de 538 escuelas de educación media superior con el fin de evaluar los
efectos que tiene el número de alumnos por grupo y el número de alumnos por
clase sobre el logro académico. Se realizó análisis factorial confirmatorio y un
modelo estandarizado con análisis de senderos por Máxima Verosimilitud para
infraestructura y logro académico. Se encontró que el incremento de alumnos por
grupo y el número de alumnos por clase aumenta la cantidad de alumnos que
obtienen niveles de ejecución elemental tanto en habilidad lectora como en
habilidad matemática. Así también, disminuye el número de alumnos con
desempeño excelente en ambas habilidades. Estos resultados respaldan la evidencia
que indica que la infraestructura escolar afecta el desempeño o logro educativo.
Descriptores: Efectos Escolares, Logro Académico, Política Educativa, Educación
Media Superior.
Under human capital theory, education is seen as sponsor of human and economic
capital. Investment in human capital in the medium term may be reflected in the
students' academic achievement. Academic achievement is an indicator of the
effectiveness of education policies, however, in Latin America there are few studies
analyzing effects of inputs or investment spending on student performance. In this
study were considered 538 high schools (vocational School) in order to assess
effects of number of students per classroom and number of students per class in
academic achievement. We carry out a confirmatory factorial analysis and a
structural model by Maximum-likelihood Paths for infrastructure and academic
achievement. Was found that increase of students per classroom and per class have
negative effects because these increase on quantity of students with low levels on
reading and mathematical abilities. Also, was reducing the number of students with
excellent performance in both skills. These results support the evidence that
scholar infrastructure has effects on academic achievement.
Keywords: School Effects, Academic Achievement, Education Policies, High
School, Vocational School.
*Contacto: [email protected]
ISSN: 1696-4713
www.rinace.net/reice/
Recibido:
1ª Evaluación:
2ª Evaluación:
Aceptado:
3 de enero 2013
4 de marzo 2013
13 de mayo 2013
31 de mayo 2013
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
1. Antecedentes y conceptos principales
El logro académico es un indicador del grado de eficacia de los sistemas educativos,
convirtiéndose en motivo de múltiples análisis (Cervini, 2002; Cervini y Dari, 2009; De
Hoyos, García y Espino 2010; Garay y Thieme, 2008). A pesar de que varios
especialistas proponen que la inversión en insumos mejora el logro académico, en
Latinoamérica, no hay evidencia científica suficiente para que las personas que toman
decisiones identifiquen respecto a cuáles son las mejores estrategias y rubros en los que
hay que invertir para mejorar a los sistemas educativos (Salinas-Pérez, Andrade-Vega,
Sánchez-García y Velasco-Arellanes, 2013; Vélez, Schiefelbein y Valenzuela, 1994).
En cuanto a los factores que determinan el logro académico Martínez-Otero (2009)
considera que está condicionado a tres fuentes: el personal, el familiar y el escolar-social,
que corresponde lo que para otros serían los factores psico-socio-pedagógicos. Entre los
factores personales se enfatiza que el verdadero protagonista de la educación es el
alumno, aludiendo como rasgos personales importantes a su inteligencia, personalidad
stricto sensu, afectividad, motivación, hábitos y técnicas de estudio.
En el ámbito familiar, se considera a las relaciones filiales como el factor más importante
en la educación ya que en este nicho natural de desarrollo, las interacciones sociales
como el apego y los estilos de paternidad toman influencias sobre la vida académica de
los estudiantes; en la familia, se establecen patrones de comportamiento que tienen que
ver con seguimiento de reglas y hábitos adecuados en el estudiante que conforman una
propensión positiva al estudio. Así también, un aspecto importante en los miembros o
jefes de familia es el nivel académico y económico que tienen porque auspician el
rendimiento académico de los alumnos, así también estimulan más el desarrollo
intelectual y establecen mejores condiciones nutricionales en los vástagos (Bradley y
Corwyn, 2002). Y por último, en el ámbito escolar-social, se consideran los recursos
físicos y el perfil de los docentes como responsables del logro académicos de los
estudiantes.
El traslado del concepto de “rendimiento”, del ámbito económico al educativo, se ha
preservado considerandose como un criterio atribuido a la productividad de las
inversiones. Dado que inversión y rendimiento están asociados en un proceso
económico, es muy importante la evaluación del efecto que tienen los recursos en el
incremento de la eficiencia del proceso de producción. En este sentido, se considera a la
escuela como una empresa, donde las inversiones deben contribuir al desarrollo social,
económico y de capital humano de los países.
Bajo esta lógica de evaluación, se fundó en 1958 la asociación Internacional para la
Evaluación del Rendimiento Educativo (IAEEA, por sus siglas en inglés, International
Association for the Evaluation of Educational Achievement), teniendo como objetivo
principal la identificación de los factores que intervienen en la explicación del logro
académico de los sistemas educativos (Bottani, 2006).
No obstante la loable causa de la IAEEA, su liderazgo sobre la evaluación del
rendimiento escolar acabaría en 1960 con el cambio en las políticas internacionales y con
la aparición de otras asociaciones como la Organización para la Cooperación y el
Desarrollo Económico (OCDE), cuyo fin es fomentar el desarrollo de políticas
económicas y sociales que permitan mejorar la vida de los ciudadanos. Como parte de la
evaluación, de los avances de los países miembros de la OCDE se considera al logro
94
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
académico como un indicador relevante el cual es medible mediante herramientas
cualitativas que permiten conocer y comparar diferentes sistemas educativos. A pesar de
que para los países miembros de la OCDE, no existe una denominación única para los
indicadores de evaluación, se les puede encontrar como indicadores claves de éxito, de
gestión, de desempeño, o de control, y la expresión más apropiada para nombrarlos es
“indicadores de evaluación del desempeño”, y bajo esta lógica, se ha evaluado el logro
académico de manera exitosa en Perú y Chile (ILPES, 2003).
En México, los directivos de la Sub-secretaria de Educación Media Superior, se
reunieron en noviembre del 2007 con todos los encargados y líderes de los subsistemas
de educación media superior con la finalidad de estandarizar criterios para la aplicación,
análisis e interpretación de los indicadores del sistema de evaluación de la mejora
continua. De la reunión surgió el Programa de Mejora Continua de la Educación Media
Superior Tecnológica Mexicana (SEP, 2007:34), no obstante este avance, aun no hay
reportes públicos sobre cómo los indicadores propuestos contribuyen para explicar el
logro académico en las escuelas de educación media superior.
Como podemos ver en todo lo descrito anteriormente, en diferentes sistemas de
evaluación en cuanto a indicadores de gestión de calidad educativa, la definición
comprende la relación entre desempeño y evaluación, lo cual implica que la meta del
sistema es tomar acciones para mejorar la gestión y el nivel educativo.
1.1. Planteamiento del problema de investigación
Para Shavelson, McDonnell, Oakes, Carey y Picus (1987:8) los indicadores educativos
son por definición las unidades básicas para dar seguimiento al progreso de los sistemas
escolares y los define como “un estadístico simple o compuesto relacionado a un
constructo educativo y útil en el contexto de las políticas públicas.” Y al igual que los
indicadores económicos, los utilizados en educación tambien sirven para comparar y
mejorar el sistema. De tal manera que un sistema educativo se puede comparar a través
del tiempo contra resultados anteriores o ante otros sistemas educativos en forma
nacional y/o internacional y puede darnos una idea de lo que está pasando hacia el
interior de dicho sistema.
Para poder elaborar los indicadores de evaluación del desempeño, es necesario que las
instituciones educativas tengan bien definidos: la misión, los objetivos, el monto de
inversión y los productos resultantes que se esperan en cuanto al logro académico; tal
como ocurriría en una empresa, observar la evaluación educativa como un proceso de
mejora continua posibilitaría actuar corrigiendo los errores mediante metas de gestión
concretas y verificables, y por añadidura, obtener el éxito, en cuanto a mejora del
rendimiento escolar, en cada uno los rubros propuestos.
No obstante que en México, el tema educativo ha sido prioridad por muchos años, a
partir del año 2000 la preocupación por la calidad educativa y/o el logro académico de
los estudiantes ha ido posicionando en la agenda política. Al respecto, el tema de la
infraestructura educativa mexicana es uno de los insumos que se considera como
estratégico para mejorar el aprovechamiento académico. Por obvias razones, la infraestructuración del sistema educativo, implica alcanzar las condiciones dignas para los
estudiantes mediante espacios físicos y equipamiento tecnológico de vanguardia.
A pesar de la cantidad de personas involucradas en la educación a nivel mundial, y de
que se argumente sobre la importancia de evaluar y conocer los factores involucrados en
el éxito educativo, el análisis y la evidencia empírica sobre los indicadores de mejora en
95
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
la educación mexicana es limitada, especialmente con los factores de insumo que
considera el Sistema Integral de Gestión Escolar de la Educación Media Superior
(SIGEEMS).
Para los fines de este estudio, el factor importante en la explicación de logro académico
es la infraestructura educativa. En su definición de infraestructura, Bracho y Muñiz
(2007), se refieren a la calidad del espacio en que tiene lugar la educación. Aun y cuando,
no existe una definición consensuada de espacio, y éste puede ser diferente para cada
persona, se acepta que está asociado con el volumen y propiedades de los recintos que el
individuo habita. Para Laiqa, Shah y Khan (2011) el espacio físico es un contenedor de
los objetos materiales, un marco con referencia espacial vacío que debe ser llenado, el
cual influye en el comportamiento humano y cultural, siendo un factor importante donde
la forma, proporción, color, textura, iluminación, ruido e incluso la disposición del
mobiliario dentro de un espacio tienen un impacto directo en los usuarios, pudiendo
mejorar la eficiencia de los usuarios mediante la manipulación cuidadosa de estas
propiedades del espacio.
La escuela como espacio físico es el factor más importante después del hogar en el
aprendizaje de los estudiantes (Bronfenbrenner, 1986). En este sentido Narucki (2008)
menciona que el deterioro físico de las aulas, y del espacio implícito en ellas, es un factor
importante que explica el logro académico. Por su parte Earthman (2002) demostró que
las características de diseño de la escuela y los materiales que se utilizan en construcción
del edificio influyen sobre el aprendizaje del estudiante, así también Xiea, Kanga
yTompsett (2011) indican que el ruido del medio ambiente influye negativamente en el
logro académico.
Independientemente de la cantidad y calidad de objetos que rodean y componen el
espacio físico educativo, se ha considerado como un indicador indirecto de la
infraestructura al número de alumnos por aula. Las primeras propuestas las
encontramos a finales de la década de los 70’s por Varner (1968), quien describe dos
razones básicas para estudiar el número de alumnos en el aula, las cuales son: 1) el deseo
de optimizar las condiciones de aprendizaje, y 2), en términos del impacto que en las
finanzas puede tener la reducción del número de alumnos en la escuela.
Bajo esta vertiente de análisis de la infraestructura, en los estudios K12 se encontró que
el incremento en el número de alumnos por grupo impacta negativamente el desempeño
académico de los estudiantes (Puget Sound Education Consortium, 1988). En 1998
Costello describe los beneficios de grupos pequeños de 17 alumnos porque se incrementa
el logro académico. Dillon, Kokkelenberg y Christy (2002) encontraron una relación
negativa entre las calificaciones y el número de alumnos por grupo. En el Reino Unido
Blatchford, Bassett, Goldstein y Martin (2003) demostraron claramente que el número
de alumnos por grupo está relacionado directamente con la mejora del logro académico.
Ceci y Konstantopoulos (2009) explican cómo al reducir el número de alumnos por salón
de clases, aumentan dramáticamente el rendimiento promedio de todos los grupos de
estudiantes, pero al mismo tiempo incrementa la variabilidad de respuesta al dominio
evaluado. De la misma manera, en el reporte del panel de prioridades educativas de
Nueva York, se argumentó que los grupos pequeños permitían a los maestros y alumnos
mejorar su interacción social, incrementando el entusiasmo de los alumnos a la clase y el
nivel “moral” de los maestros (Educational Priorities Panel, 2000).
En atención a resultados similares, en 1999 la agencia de educación en Texas determinó
que el número de alumnos ideal para auspiciar el logro académico es entre 15 y 19
96
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
alumnos por grupo, especialmente para los grupos de jóvenes con desventajas
económicas y las minorías étnicas. En Florida se decretó que a partir del inicio del ciclo
escolar 2010-2011 el número máximo de alumnos sería de 18 alumnos en kínder garden,
de 22 alumnos en los grados de 4° al 8° y de 25 alumnos en los grados del 9° al 12°
(Broward County Public Schools, 2002). Bajo esta misma lógica, en España se decidió
que para el ciclo escolar 2007- 2008 el número de alumnos en bachiller fuera de 24
alumnos por grupo, esta decisión, situó a España entre los países europeos con mayor
número de alumnos por aula (Ministerio de la Educación, 2010). Recientemente en
Florida se decretó, desde el ciclo escolar 2010-2011, la reducción del número de alumnos
en todos los grados (Broward County Public Schools, 2002).
Todos los estudios anteriormente citados, y las decisiones tomadas por organismos
educativos, apuntan a que las instituciones con mejor infraestructura y menor cantidad
de alumnos tienden a presentar mejores niveles en logro académico.
Para SIGEEMS la definición de infraestructura refiere la calidad del espacio en la que
tiene lugar la educación, esta definición está compuesta a su vez por dos sub factores: 1)
alumnos por grupo, definido como: “Promedio de alumnos por grupo en el plantel al
inicio del ciclo escolar” el cual nos revela el nivel de atención personalizada que los
docentes dan a los alumnos y también es considerado como un indicador de la carga que
asume un docente frente al grupo, y 2), alumnos por aula, definido como “el promedio de
alumnos por aula al inicio del ciclo escolar”. Este termino nos permite conocer si existen
condiciones de hacinamiento escolar en el lugar donde se realiza el proceso de
enseñanza-aprendizaje (Bracho y Muñiz, 2007).
1.2. Fundamentación teórica
La educación como fenómeno social puede ser abordada desde varias perspectivas
teóricas que van de la pedagógica a la política económica. Uno de estas perspectivas es el
relativo a la teoría del capital humano (Keeley, 2007; Schultz, 1962). Se considera que el
desarrollo intelectual (capital humano) contribuye al desarrollo económico, y que la
educación a su vez es coadyuvante en la formación del mismo (Becker, Murphy y
Tamura, 1990), formándose así, un círculo virtuoso de inversión y desarrollo. La OCDE
(1999) concibe al capital humano como los conocimientos, habilidades, competencias
fundamentales para apoyar el crecimiento económico y reducir la desigualdad social en
los países. Estos conocimientos y habilidades se reflejan de modo muy específico en las
habilidades de lenguaje, habilidades matemáticas y en el razonamiento formal (Rychen y
Salganik, 2003, 2004).
Así también, se ha encontrado que el nivel educativo de un país está estrechamente
relacionado con la riqueza que posee y el bienestar social de la población. Por ejemplo,
un año de escolaridad, que se incrementa al promedio escolar de un país, se asocia al
aumento entre el 4% y 7% del PIB per cápita (OECD, 2003, 2007). Estimaciones
realizadas en México por Villarreal (2008) sugieren que en el periodo comprendido de
1987-2004 los individuos con mayor nivel educativo obtuvieron rendimientos promedio
del 9% en comparación a otros con menor nivel educativo.
Bajo este encuadre conceptual y empírico, la educación se concibe como auspiciadora de
capital humano y económico. No obstante, bajo esta lógica de retorno de inversión, es
importante valorar sí los recursos destinados a la educación contribuyen al capital
humano en términos del costo beneficio y del tiempo para cumplir con los objetivos
propuestos (Leyva y Cárdenas, 2002). La educación como bien de inversión es la base
teórica del capital humano, y para sustentar esta postura, los investigadores estudian los
97
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
factores que influyen en la transformación de un individuo en factor productivo, así
como el costo y la naturaleza de las inversiones.
La inversión en educación, es una forma de capitalización, la cual generará una utilidad,
que no se recibiría de no realizarse. De tal manera que los individuos que cuentan con
más educación formal reciben un ingreso económico mayor que aquellos que tienen
menor educación, esta relación constituye un instrumento clave en la política de
superación de la pobreza (Aguado, Girón y Salazar, 2007). Así pues, bajo este marco
teórico de referencia: la infraestructura es la inversión y el logro académico es el
resultado de dicha inversión, que en teoría debe contribuir a que los jóvenes obtengan
mejores empleos con adecuadas remuneraciones.
2. Metodología
2.1. Sujetos de estudio
La población del estudio comprendió 538 escuelas de educación media superior
(Bachillerato Tecnológico) que forman parte de La Subsecretaria de Educación Media
Superior de la SEP; dicha muestra se obtuvo por eliminación de casos perdidos (missing
value) de un muestra total de 728 escuelas (véase el procedimiento). Las escuelas
representaron planteles pertenecientes a la Dirección General de Educación Tecnológica
Industrial y de escuelas que forman parte de La Dirección General de Educación
Tecnológica Agropecuaria.
2.2. Bases de datos secundarias
• SIGEEMS
El Sistema de Gestión de la Educación Media Superior (SIGEEMS) es un banco de
datos estandarizado y confiable que agrupa un conjunto de indicadores de las escuelas en
relación a los principales insumos, procesos y resultados. La información del sistema
sirve para elaborar planes de mejora específicos y para dar seguimiento a los servicios.
Para medir la variable independiente, representada por el factor infraestructura, se
utilizó la base de datos publicada en la WEB, dicha base muestra relaciones entre datos
cuantitativos que son ingresados por los directores de cada plantel (SIGEEMS, 2010).
• ENLACE
ENLACE es una prueba controlada, objetiva y estandarizada que se enfoca en la
evaluación de las habilidades y competencias adquiridas en las aulas. La evaluación
contiene 50 reactivos de opción múltiple como mínimo por asignatura. Se aplica
masivamente en educación básica a los alumnos de tercero, cuarto, quinto y sexto grado,
en educación secundaria se aplica en los tres grados y en educación media superior se
aplica a todos los estudiantes que cursan el último grado.
En este estudio se utilizaron los resultados de la prueba ENLACE (2010) que se aplicó a
los alumnos del sexto semestre de la Educación Tecnológica Media Superior Pública. La
prueba ENLACE califica la habilidad lectora y la habilidad matemática en cuatro
categorías: excelente, bueno, elemental e insuficiente.
2.3. Análisis de datos
Se probó la validez de varios modelos que explicaran la relación de infraestructura con
logro académico utilizando las siguientes pruebas: normalidad multivariada, análisis de
98
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
componentes principales, normalización Oblimin con Kaiser, análisis factorial
confirmatorio y Estimación de Máxima Verosimilitud (MLE). Se encontró finalmente un
modelo fiable probado con análisis factorial confirmatorio y con MLE.
2.4. Procedimiento
La base de datos obtenida originalmente de los registro de SIGEEMS comprendía una
muestra de 728 escuelas de educación media superior, se depuró eliminando los casos de
instituciones que presentaran valores perdidos en algunos de sus indicadores. El número
de casos eliminados bajo este criterio fue de 139 instituciones, quedando una muestra de
589 casos. Posteriormente, se hizo análisis de estadística descriptiva con SPSS para
detectar los valores extremos o casos de anomalía estadística, revelando 51 casos,
mismos que fueron eliminados, quedando una población final de 538 casos.
Una vez obtenida la muestra final de 538 escuelas se determinó normalidad monovariada
y multivariada tanto de la variable dependiente Logro Académico como de la
independiente Infraestructura siguiendo los criterios que establecen Hair, Anderson,
Tatham y Black (2010). Posteriormente se realizó un análisis factorial confirmatorio con
el propósito de validar el constructo Logro Académico. Se evaluó la pertinencia del
constructo con ocho factores: habilidad lectora insuficiente, habilidad lectora elemental,
habilidad lectora buena, habilidad lectora excelente, habilidad matemática insuficiente,
habilidad matemática elemental, habilidad matemática buena y habilidad matemática
excelente, véase la figura 1.
Figura 1. Representa el modelo hipotético de logro académico de dos factores con
cuatro indicadores cada uno
Fuente: Elaboración propia
99
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
Posteriormente, atendiendo a la metodología de análisis de datos de 2 pasos (Anderson y
Gerbing, 1988), se procedió a establecer un modelo de medición factorial para cada una
de las variables, para posteriormente pasar a la especificación del modelo estructural
estimado con MLE.
3. Resultados
Después de evaluar tres modelos, a través de análisis factorial confirmatorio para logro
académico con 8 factores, se encontró que la combinación de habilidad lectora (elemental
y excelente) con habilidad matemática (buena y excelente) fue la más fiable presentando
todos sus parámetros significativos, véase la figura 2. Se introdujo una correlación entre
dos residuos para mejorar el ajuste, resultando seis índices con valores de buen ajuste
(GFI = .99, NFI = .99, CFI = .99, FD = 0.02 y F0 = 0.02), AGFI = .89 reflejó un ajuste
adecuado, pero en los otros 3 índices disminuyó el nivel de ajuste: χ 2(1, N = 538) =
11.08, p < .01, χ2/gl = 11.08 y RMSEA = .13. De todos los modelos fue el que presentó
mejor ajuste a los datos y con este modelo de medida para logro académico se realizó la
Estimación de Máxima Verosimilitud (MLE).
Figura 2. Representa el modelo unidimensional para logro académico que resultó con
mejor ajuste después de combinar los 4 sub-factores para habilidad lectora con los 4 subfactores de habilidad matemática estimado con análisis de senderos por MLE
Fuente: Elaboración propia
3.1. Validación del modelo estructural de logro académico e infraestructura
Se contrastó un modelo factorial para pronosticar el logro académico en función de la
variable infraestructura. El modelo estructural quedo representado gráficamente de la
siguiente manera, véase la figura 3.
100
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Figura 3. Representa el modelo propuesto para estimar logro académico (variable
endógena) e infraestructura representada por alumnos por salón de clases como variable
exógena
Fuente: Elaboración propia
El modelo anterior se estimó con 538 casos, reportándose normalidad multivariada de
6.127, sin que se mostrasen valores extremos. Como se puede observar en la tabla 1, en
la columna los valores de CR, todas las variables del modelo estructural se encuentran
con carga considerada significativa en la medida en que, siguiendo sus proporciones
críticas de CR, están por encima de 1.96 para un nivel de significancia del 0.05 e
inclusive con valores superiores a 2.58 para un nivel de 0.01 de confianza. Lo que
significa que el modelo estructural entre la variable endógena (logro académico) y la
variable exógena (alumnos por salón) es fiable para considerar a dichas variables como
relacionadas.
Tabla 1. Muestra los pesos de regresión para el modelo estructural
ESTIMADA
S.E.
C.R.
Logro académico
-.177
.028
-6.397
Habilidad lectora elemental
1.000
Habilidad lectora
-.611
.027
-22.378
excelente
Habilidad matemática
-1.355
.058
-23.396
buena
Habilidad matemática
-.600
.026
-22.742
excelente
Fuente: Información derivada del análisis de las bases de datos secundarias
SEP (2010)
P
***
NIVEL
par_4
***
par_1
***
par_2
***
par_3
SIGEEMS (2010) y
En lo referente a los pesos factoriales estandarizados como se observa en la tabla 2,
alumnos por salón de clases impacta el logro académico presentándose los siguientes
valores de Pearson: para alumnos por salón de clase y logro académico -.283. En la
relación de logro académico con habilidad lectora elemental se muestra un valor de .787,
siendo una correlación positiva y de peso alto. Respecto a logro académico con habilidad
101
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
lectora excelente se muestra un valor de -.865 siendo una relación negativa y de peso
alto. Logro académico con habilidad matemática buena muestra de -.897 siendo una
correlación negativa y de peso alto, por último logro académico con habilidad
matemática excelente se muestra un valor de -.876.
Tabla 2. Muestra los pesos factoriales estimados entre alumnos por salón de clases y los
factores de logro académico
NIVEL DE LOGRO ACADÉMICO
VALOR PEARSON
Logro académico
-.283
Habilidad lectora elemental
.787
Habilidad lectora excelente
-.865
Habilidad matemática buena
-.897
Habilidad matemática excelente
-.876
Fuente: Información derivada del análisis de las bases de datos secundarias SIGEEMS (2010) y
SEP (2010)
Por otro lado las medidas de bondad de ajuste, tabla 3, muestran un valor de ji-cuadrada
o CMIN de 75.271, lo que nos permite decir que no hay diferencia entre el modelo
estructural y los datos en términos de ajuste. Otro índice es el CMIN/DF que es la jicuadrada [X2] entre los grados de libertad apoya esa misma interpretación reportando
el valor 15.054, el cual está fuera del rango de criterio corte para considerar que es un
buen ajuste que debe ser menor a 3.0 (Kline, 2004).
Tabla 3. Bondad de ajuste de la modelación estructural
MODELO
NPAR
CMIN
DF
P
CMIN/DF
Modelo directo
10
75.271
5
.000
15.054
Modelo saturado
15
.000
0
Independencia del modelo
5
1660.687
10
.000
166.069
Fuente: Información derivada del análisis de las bases de datos secundarias SIGEEMS (2010) y
SEP (2010)
La prueba de ji-cuadrada de ajuste del modelo estructural puede llevar a conclusiones
imprecisas respecto a los resultados del análisis, ya que el criterio de ajuste del modelo es
sensible al tamaño de la muestra. Por tal razón se analizó el GFI encontrándose un valor
de ajuste de 0.946 y ajustado o AGF1 se encontró un valor de ajuste de 0.839. Así
también se encontraron valores aceptables de .955, .909, .958, .915, .957 para los
parámetros NFI, RFI, IFI, TLI y CFI, respectivamente.
Después de lo anterior se contrastó un modelo estructural para pronosticar el logro
académico en función de la infraestructura, véase la figura 4. En el modelo de medida
logro académico contó con cuatro indicadores (habilidad lectora elemental y excelente,
así como habilidad matemática buena y excelente) y el de infraestructura con dos
(alumnos por salón de clase y alumnos por grupo). En el modelo estructural la
infraestructura determinó de forma directa al logro académico y se consideró la
correlación entre los residuos de las dos habilidades lectoras. Todos los parámetros
fueron significativos, se explicó el 9% de la varianza del criterio y el ajuste fue de
adecuado (χ2/gl = 2.79 y RMSEA = .06) a bueno (GFI = .99, AGFI = .96, NFI = .99,
CFI = .99, FD = 0.04 y F0 = 0.02), aunque la bondad de ajuste se rechazó por la prueba
ji-cuadrada: χ2 [7, N = 538] = 19.51, p < .01.
102
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
Figura 4. Modelo estandarizado para infraestructura y logro académico estimado con
análisis de senderos por MLE
Fuente: Elaboración propia
Otros resultados respecto a habilidad lectora indicaron que: el 18.20% del los alumnos
está en Habilidad lectora insuficiente, el 35.43% del los alumnos está en Habilidad
lectora elemental, el 41.03% del los alumnos está en Habilidad lectora Bueno, y sólo
5.32% del los alumnos está en Habilidad lectora excelente. Así también, en cuanto a
habilidad matemática tenemos que: el 45.00% del los alumnos está en Habilidad
matemática insuficiente, el 36.99% del los alumnos está en Habilidad matemática
elemental, el 14.07% del los alumnos está en Habilidad matemática bueno y sólo el
3.93% del los alumnos está en Habilidad matemática excelente.
4. Discusión y conclusión
El modelo de análisis factorial exploratorio y el modelo estimado con análisis de
senderos por Máxima Verosimilitud mostró que logro académico (comprendido por
habilidad lectora y habilidad matemática) y el factor infraestructura (número de alumnos
por aula) fue coherente como constructo para explicar el efecto de la infraestructura
sobre el logro académico. Mostrando que cuando incrementa el número de alumnos por
salón de clases el logro académico disminuye.
El aumento en el número de alumnos por salón de clases aumenta el número de alumnos
en el nivel de habilidad lectora elemental, esto quiere decir que a mayor número de
alumnos en las aulas hay un porcentaje mayor de alumnos que reúnen los mínimos de
habilidades lectoras. Por el contrario, al incrementar el número de alumnos en el aula,
disminuye el número de alumnos que logran habilidades lectoras excelentes.
En la relación a la habilidad matemática al aumentar el número de alumnos por salón se
disminuye el número de alumnos que logran habilidad matemática buena. En otras
palabras, el número de alumnos en el rubro de habilidad matemática buena disminuye si
se incrementa el número de alumnos por grupo. Por otro lado, al aumentar el número de
alumnos por salón de clases disminuye en la habilidad matemática excelente. En otras
palabras a medida que se incrementa el número de alumnos por aula los alumnos que
logran habilidad matemática excelente disminuyen.
103
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
Los resultados del presente estudio evidencian que la infraestructura física es uno de los
insumos en educación que contribuyen al logro académico de los estudiantes (Broward
County Public Schools, 2002; Blatchford, Bassett, Goldstein, y Martin, 2003; California
Department of Education, 1996; Ceci y Konstntopoulos, 2009; Costello, 1998; Dillon,
Kokkelenberg y Christy, 2002; Educational Priorities Panel, 2000; Puget Sound
Education Consortium, 1988; Varner, 1968).
A pesar de que los resultados de nuestro estudio son evidencia de la relación que hay
entre infraestructura física de las instituciones educativas y el logro académico en
alumnos de educación media superior, es necesario realizar análisis más exhaustivos
sobre los insumos y factores que teóricamente están involucrados en el logro académico
para que se tomen mejores decisiones en las políticas educativas. También es necesario
considerar a más casos (escuelas) y rubros (insumos) en un modelo integral que explique
el logro académico, aunado al desarrollo de un marco teórico de referencia que permita
caracterizar e identificar las variables más relevantes implicadas en los éxitos y fracasos
de la educación nacional e internacional.
Es importante tener presente que la Reforma Curricular de la Educación Media Superior
establece que en la medida que la cantidad de estudiantes se acerque a 35 alumnos, se
tiende al óptimo de alumnos por aula de clases. El número de alumnos menor a 35 se
considera como subutilización y mayores como sobreutilización de la infraestructura
escolar. Por esta razón, es importante obtener criterios cuantitativos y cualitativos que
permitan tomar decisiones para dilucidar el cumplimiento de las metas establecidas, tales
medidas pueden ayudar a elegir y promover una cobertura amplia de la educación, el
ahorro en insumos o el incremento en el logro educativo mediante diferentes rubros que
aún no se han considerado.
Los resultados que sugieren que el logro educativo está asociado a la infraestructura
pone en una encrucijada a las políticas educativas de los países pobres y en desarrollo
porque tienen que decidir en disminuir el número de alumnos por grupo para aumentar
el logro académico (impactando el gasto en infraestructura), o manteniendo grupos
numerosos con la misma infraestructura impactando el efecto negativo en el logro
académico de los alumnos. El incremento de alumnos por salón de clases y el efecto que
tiene en la disminución del logro académico puede explicarse por el hacinamiento, y
como consecuencia de este último se incrementan los distractores y disminuyen las
interacciones académicas entre el profesor y los alumnos.
Particularmente los indicadores que se consideran en el programa SIGEEMS como
importantes en el logro académico, deberían de considerarse en un solo modelo
estructural; sin embargo, debido al reducido número de casos para ocho factores
propuestos, habrá que esperar que la muestra se incremente o que se presente una
segunda evaluación para que en un futuro estudio se analicen todos los factores
considerando ambas medidas en un modelo estructural con re-determinación, donde
cada caso se presenta con medidas repetidas. Esta posibilidad también podría darnos
información más precisa sobre el peso que cada factor y sub-factor tiene en la explicación
del logro académico. Por último esto posibilitaría, bajo la perspectiva de la teoría de
inversión en capital humano, que se pudieran elegir e invertir con más certeza sobre los
rubros que más efecto tienen en el logro académico, y por añadidura eliminar el gasto en
rubros que no inciden en la mejora del nivel educativo.
Dado que puede haber varios factores que impactan sobre el rendimiento o logro
académico es importante, tal como lo han señalado Vera y Montaño (2003), un marco de
104
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
referencia que permita caracterizar e identificar las variables más relevantes implicadas
en los éxitos y fracasos de la educación mexicana. Particularmente, se requieren estudios
que conciban a los profesores y alumnos como miembros sociales activos dentro y fuera
del aula. Bajo esta lógica, es necesario analizar el alcance del sistema educativo mexicano
a partir de la vinculación con las instituciones sociales como son la familia, escuela,
comunidad y cultura nacional.
Referencias
Aguado Quintero, L.F., Girón Cruz, L.E. y Salazar Silva, F. (2007). Una aproximación empírica a
la relación entre educación y pobreza. Problemas del Desarrollo. Revista Latinoamericana de
Economía, 38(149), 35-60.
Anderson, J. y Gerbing, W. (1988). Structural equation modelling in practice: A review and
recommended two stage approach. Psychological Bulletin, 27(1), 5-24.
Becker, G.S., Murphy, K.M. y Tamura, R.F. (1990). Human Capital, Fertility, and Economic
Growth. The Journal of Political Economy, 98(5), 12-37.
Blatchford, P., Bassett, P., Goldstein, H. y Martin, C. (2003). Are Class Size Differences Related
to Pupils’ Educational Progress and Classroom Processes? Findings from the Institute of
Education Class Size Study of Children Aged 5–7 Years. British Educational Research
Journal, 29(5), 709-730.
Bottani, N. (2006). La más bella del reino: el mundo de la educación en alerta con la llegada de un
príncipe encantador. Revista de Educación, No. Extraordinario, 75-90.
Bracho, T. y Muñiz, P. (2007). Indicadores de desempeño y gestión en los planteles de educación media
superior. México: Subsecretaría de Educación Media Superior.
Bradley, R. y Corwyn, R. (2002). Socieconomic Status and child development. Annual Review of
Psychology, 53, 371-399.
Bronfenbrenner, U. (1986). Ecology of the family as a context for human development: research
perspectives. Developmental Psychology, 22(6), 723-742.
Broward County Public Schools. (2002).
http://www.broward.k12.fl.us/classsize/
Class
Size
Reduction.
Recuperado
de
California Department of Education (2013). California Department of Education. Recuperado de:
http://www.cde.ca.gov/underreview.asp
Carrillo, M. (2008). Propuesta de Sistema de Evaluación de Indicadores de Educación Media Superior y
Superior en el Distrito Federal. México: SEP.
Cázares, A. y Berridi, R. (2002). Influencia de la motivación y el locus de control en el logro
académico de estudiantes de nivel básico. Memorias del Tercer Encuentro Iberoamericano de
Colectivos y Redes de Maestros (pp. 189-194). Bogotá: Editorial Cooperativa Magisterio.
Ceci, S.J. y Konstantopoulos, S. (2009). It's Not All About Class Size. The Chronicle og Higher
Education. Recuperado de http://chronicle.com/article/It-s-Not-All-About-Class-Size
Cervini, R. (2002). Desigualdades en el logro académico y reproducción cultural en Argentina.
Un modelo de tres niveles. Revista Mexicana de Investigación Educativa, 7(16), 445-500.
Cervini, R. y Dari, N. (2009). Genero, Escuela y Logro Escolar en Matemática y Lengua de la
Educación Media. Revista Mexicana de Investigación Educativa, 7(1), 1051-1078.
Costello, P.A. (1998). The Effectiveness of Class Size on Reading. Chicago, IL: ERIC.
105
T.J. Martínez-Cervantes, E.A. Soto-Mendivil,P.A. Silva-Salazar y F.J. Velasco-Arellanes
De Hoyos, R., García, V. y Espino, J.M. (2010). Determinantes del Logro Escolar en México:
Primeros Resultados Utilizando la Prueba ENLACE Media Superior. México: Subsecretaría
de Educación Media Superior.
Dillon, M., Kokkelenberg, E.C. y Christy, S.M. (2002). The Effects of Class Size on Student
Achievement in Higher Education: Applying an Earnings Function. Nueva York: Cornell
University ILR School.
Earthman, G. (2002). School Facility Conditions and Student Academic Achievement. Los Angeles,
CA: UCLA/IDEA.
Educational Priorities Panel (2000). Smaller Is Better: First-Hand Reports of Early Grade Class Size
Reduction in New York City Public Schools. Nueva York: Educational Priorities Panel.
Garay, S. y Thieme, C. (2008). Liderazgo, gestión y logro académico. Boletín de Educación, 39(1),
9-27.
Hair, J., Anderson, R., Tatham, R. y Black, W. (2010). Multivariate data analysis. Upper Saddle
River, NJ: Prentice-Hall.
Hernández, J., Márquez, A. y Palomar, J. (2006). Factores Asociados con el desempeño académico
en el EXANI-I. Revista Mexicana de Investigación Educativa, 11(29), 547-581.
ILPES (2003). Los indicadores de evaluación del desempeño: una herramienta para la gestión por
resultados en América latina. Chile: ILPES.
INEE (2009). Indicadores del Sistema Educativo Nacional 2009 Educación Media Superior. Panorama
Educativo de México. México: INEE.
Keeley, B. (2007). Capital Humano. Cómo influye en su vida lo que usted sabe. México: Ediciones
Castillo.
Kline, R.B. (2004). Principles and Practice of Structural Equation Modeling. Nueva York:
Guildford.
Krieger, J. (2003, abril). Class Size Reduction: Implementation and Solutions. Comunicación
presentada en el Simposio SERVE Research and Policy Class Size Symposium. Louisiana.
Laiqa, R.U.A., Shah, R.U. y Khan, S.M. (2011). Impact of quality space on students’ academic
achievement. International Journal of Academic Research, 3(3), 706-711.
Leyva S. y Cárdenas, A. (2002). Economía de la educación: capital humano y rendimiento
educativo. Análisis Económico, 4, 79-106.
Martínez-Otero, V. (2009). Diversos condicionantes del fracaso escolar en la educación. Revista
Iberoamericana de Educación, 51, 67-85.
Massone, A. y González, G. (2003). Estrategias de afrontamiento (coping) y su relación con el
logro académico en matemática y lengua en adolescentes de noveno año de educación
general básica. Revista Iberoamericana de Educación, 378, 1-7.
Ministerio de Educación (2010). Sistema Estatal de Indicadores de la Educación. Madrid: Secretaría
General Técnica.
Narucki, V.D. (2008). School building condition, school attendance, and academic achievement in
New York City public schools: A mediation model. Journal of Environmental Psychology,
28(3), 278- 286.
OCDE (1999). La Medida de los Conocimientos y Destrezas de los Alumnos. Un Nuevo Marco de
Evaluación. Madrid: OCDE.
OECD (1998). Human Capital Investment An International Comparison. París: OCDE.
OECD (2003). The Sources of Economic Growth in OECD Countries. París: OCDE.
106
REICE. Revista Iberoamericana sobre Calidad, Eficacia y Cambio en Educación
OECD (2007). Insight Human Capital: How what you know shapes your life. Insights, 1, 1-7.
Puget Sound Education Consortium (1988). Study ofK·12 Class Size and Student/Teacher Ratios.
Washington, DC: The Legislative Evaluation and Accountability Program.
Rychen, D.S. y Salganik, L.H. (2003). Key competencies for a successful life and a well-functioning
society. Göttingen: Hogrefe & Huber.
Rychen, D.S. y Salganik, L.H. (2004). Definir y seleccionar las competencias fundamentales para la
vida. México: Fondo de Cultura Económica.
Salinas-Pérez, V.E., Andrade-Vega, M., Sánchez-García, R. y Velasco-Arellanes, F.J. (2013).
Análisis de los Conocimientos y Opiniones de Profesores Sobre la Reforma Integral
Educativa de la Educación Básica. REICE. Revista Iberoamericana sobre Calidad, Eficacia y
Cambio en Educación, 11(1), 92-103.
Sánchez Escobedo, P. (2006). Discapacidad, familia y logro escolar. Revista Iberoamericana de
Educación, 40(2), 1-10.
Schultz, T.W. (1961). Investment in Human Capital. The American Economic Review, 51(1), 1-17.
SEP (2007). Reunión de Trabajo para la Actualización y Validación del Sistema de Indicadores para la
Mejora Continua de la Gestión de la Educación Media Superior. México: SEP.
SEP (2010). Evaluación Nacional del Logro Académico en Centros Escolares, ENLACE.
Educación Media Superior. Recuperado de http://201.175. enlace/Resultados2010/Media
Superior2010
Shavelson, R. J., McDonnell, L., Oakes, J., Carey, N. y Picus, L. (1987). Indicator systems for
monitoring mathematics and science education. Santa Monica, CA: RAND.
SIGEEMS (2010). Sistema de Gestión Escolar de la Educación Media Superior (SIGEEMS).
Evaluación y Mejora. Recuperado de http://www.sistemadeevaluacion.sems.gob.mx/
Varner, S.E. (1968). Class Size. Washington, D.C: National Education Association.
Vélez, E., Schiefelbein, E. y Valenzuela, J. (1994). Factores que afectan el rendimiento académico
en la educación primaria. Revisión de la literatura de América Latina y el Caribe. Revista
Latinoamericana de Innovaciones Educativas, 17, 29-53.
Vera, J.A. y Montaño, A. (2003). Sociocultura y educación. En P. Sánchez Escobedo (Coord.),
Aprendizaje y Desarrollo. La Investigación Educativa en México. México: Consejo Mexicano
de Investigación Educativa.
Villarreal, E.M. (2008). Evolución histórica de los rendimientos educativos en México: 19872004. Estudios Sociales, 16(32), 59-78.
Wisconsin Department of Public Instruction (2013). The Student Achievement Guarantee in
Education (SAGE) program. Recuperado de: http://sage.dpi.wi.gov/.
Xiea, H., Kanga, J. y Tompsett, R. (2011). The impacts of environmental noise on the academic
achievements of secondary school students in Greater London. Applied Acoustics, 72, 551555.
107